企业组织并非在拒绝人工智能，而是在拒绝运营的不稳定性。
这是许多创始人仍然误解的转变——它正成为区分那些能够规模化发展的企业级AI公司与那些在早期势头后停滞的公司之间的关键现实。
在过去几年里，AI初创企业受益于一个由实验驱动的市场。一个强大的演示、令人印象深刻的模型和有力的愿景，往往足以引起企业兴趣、启动试点项目并激发投资者热情。
但如今，企业级AI正在进入新阶段。企业不再评估AI是否令人兴奋，而是评估其是否可以安全地广泛部署。
在 TechCrunch Disrupt 2026（将于10月13日至15日在旧金山Moscone West举行），Databricks联合创始人兼现场工程高级副总裁 Arsalan Tavakoli-Shiraji 将在其AI Stage会议“企业并没有出错，你对它的假设才是问题所在”中深入探讨这一转变。
Disrupt将汇聚超过1万名创始人、投资者和运营商，共同探讨改变公司构建与扩展方式的技术和运营压力。这场为期三天的活动设有六个舞台上的250多场会议，由当今引领行业的技术领袖主持。
试点从来不是最难的部分
企业AI市场充斥着许多成功试点却未能转化为实际部署的案例。这并非因为技术失败，而是因为组织无法吸收采用该技术所带来的运营后果。
现在创始人需要面对的现实是：初创企业的AI交易很少因模型表现不佳而终止，往往是因为企业在信心上对部署所需的要求产生了动摇。
这正是Tavakoli-Shiraji演讲旨在探讨的差距。大多数企业不仅仅是在评估一个AI产品是否有效，他们更在评估：
- 实施风险
- 治理复杂性
- 工作流程中断
- 基础设施压力
- 合规风险暴露
- 组织信任度
一个AI产品在受控环境中可能表现卓越，但如果其部署在业务内部造成不稳定，仍可能在商业上失败。
这一区分对创始人至关重要。许多AI初创公司仍在优化错误的目标——为初期的兴奋感而非长期的运营采纳而构建。而企业正变得更加严谨地识别这种差异。
企业级AI正演变为运营信任问题
在大型组织中获得发展的AI初创公司越来越多地具有一个共同点：它们能够降低不确定性。
它们能更顺畅地集成到现有系统，减少工作流程摩擦；更容易治理、易于内部解释，也更容易让组织随时间推移建立信任。
这听起来不如突破性演示或模型基准测试令人兴奋，但这正迅速成为“仅能吸引关注”与“产生持久收入”的AI初创公司之间的区别。
市场正在成熟，企业买家现在提出了不同的问题：
- 部署之后会发生什么？
- 需要多少运营变更？
- 这对治理有何影响？
- 团队能否在实际规模上采用该技术？
- 当模型失效时会发生什么？
这些担忧已不再是次要问题，在许多组织中已成为购买决策的核心部分。对于向企业销售的AI创始人来说，本次研讨会将深入剖析试点阶段结束后真正推动采用的因素。
为什么Tavakoli-Shiraji对市场有不同的看法
Tavakoli-Shiraji为这场对话带来了非同寻常且极具相关性的视角，因为他的背景横跨企业战略与深度技术系统架构。
在加入Databricks之前，他是麦肯锡公司副董事总经理，为企业、技术供应商和公共部门组织提供云计算、下一代IT和企业转型战略咨询。他还拥有加州大学伯克利分校计算机科学博士学位，研究方向为网络与分布式系统。
这种视角对初创企业颇具价值。企业AI的成功越来越不仅依赖于强大的工程能力，创始人还需要理解技术系统如何与组织行为、基础设施现实、采购流程、治理问题及运营风险相互作用。
在未来几年中在企业AI领域取得成功的初创企业，未必是那些拥有最先进模型的企业，而可能是那些最能理解企业实际如何吸收变革的企业。
正是这种运营压力，将由Tavakoli-Shiraji以及 Disrupt大会AI舞台 的其他演讲者进行探讨。该舞台由Google Cloud呈现，考察AI代理和生成式AI如何重塑SaaS、企业采用、软件经济学、安全性和运营基础设施——其中包括Tavakoli-Shiraji关于“为何企业AI的成功日益取决于运营信任而非单纯技术性能”的演讲。
在整个舞台上，创始人将了解关注点为何正从AI的新颖性转向在真实组织中部署、治理和扩展AI系统所面临的现实挑战。
仅剩两天时间获取企业AI洞察
探索Disrupt议程，了解创始人、投资者和企业运营商如何应对AI采用的下一阶段。
